Oportunidades de Carreira: Cientista de Dados - Centro Excelência Suprimentos | Morumbi - SP

Informações sobre a oportunidade

Local de trabalho: Morumbi
Horário: 08h às 17h
Área de trabalho: Centro Excelência Suprimentos
Modelo: Híbrido

Sumário

Responsável por desenvolver soluções orientadas a dados para apoiar a tomada de decisão e a geração de valor para o negócio, atuando desde a integração, transformação e disponibilização de dados até a aplicação de técnicas analíticas, estatísticas e de machine learning. Constrói e mantém processos, pipelines e estruturas de dados, garantindo qualidade, confiabilidade e escalabilidade das informações, além de comunicar resultados e recomendações por meio de análises e visualizações que suportem as estratégias da instituição.

Responsabilidades

Matemática e Estatística:

• Matemática aplicada, incluindo cálculo, álgebra linear, otimização e métodos quantitativos para análise e modelagem de dados.


• Estatística descritiva e inferencial, compreendendo distribuições de probabilidade, correlação, variabilidade, testes de hipótese, regressão, inferência estatística e experimentação.


• Probabilidade aplicada, incluindo inferência bayesiana, variáveis aleatórias, distribuições probabilísticas e tomada de decisão baseada em dados.

Ciência de Dados e Analytics:

• Aplicação de técnicas de análise exploratória de dados, identificação de padrões, geração de insights e Gerente de Eficiência de Suprimentos Cientistas de Dados Diretor de Suprimentos e Logística resolução de problemas de negócio.


• Conhecimento em machine learning supervisionado e não supervisionado, incluindo classificação, regressão, clusterização, redução de dimensionalidade e previsão.


• Desenvolvimento, avaliação, validação e monitoramento de modelos analíticos e preditivos.


• Conhecimento em inteligência artificial, aprendizado profundo (Deep Learning) e técnicas avançadas de modelagem analítica.


• Comunicação de resultados por meio de visualizações, dashboards, relatórios gerenciais e data storytelling.

Programação e Desenvolvimento:

• Programação em linguagens voltadas à análise e engenharia de dados, como Python, SQL e R.


• Conhecimento de bibliotecas e frameworks para manipulação, processamento e análise de dados, tais como Pandas, NumPy, Scikit-Learn, TensorFlow, PySpark e equivalentes.


• Conhecimento em versionamento de código, testes, automação e boas práticas de desenvolvimento de software.

Dados: 

• Manipulação, tratamento, integração e transformação de dados estruturados, semiestruturados e não estruturados.


• Desenvolvimento, manutenção e otimização de processos ETL/ELT e pipelines de dados.


• Modelagem de dados conceitual, lógica e física para ambientes analíticos e transacionais.


• Conhecimento em arquitetura de dados, incluindo Data Warehouse, Data Lake e Lakehouse.


• Integração de dados entre sistemas corporativos, APIs, serviços, aplicações e fontes externas.


• Conhecimento em processamento distribuído e plataformas de Big Data, incluindo tecnologias como Hadoop, Spark, Kafka ou similares.


• Conhecimento em bancos de dados relacionais e não relacionais, incluindo modelagem, consultas, administração e otimização de desempenho.


• Conhecimento em orquestração, monitoramento e observabilidade de pipelines de dados. 


• Conhecimento de governança, qualidade, catalogação, segurança e linhagem de dados. 

Cloud e Plataformas Analíticas:

• Conhecimento em serviços de nuvem para armazenamento, processamento e disponibilização de dados, preferencialmente Azure, AWS ou Google Cloud Platform.


• Conhecimento em plataformas de analytics, ambientes corporativos de dados e arquiteturas escaláveis para suporte à tomada de decisão.

Gestão e Negócios:

• Conhecimento de processos de negócio e sua aplicação em iniciativas de dados e analytics.


• Planejamento e gestão de projetos de dados.


• Capacidade de traduzir necessidades de negócio em soluções analíticas e tecnológicas.


• Pensamento analítico, visão sistêmica e foco em geração de valor para a organização.

Requisitos

• Graduação completa.


• Matemática aplicada, estatística descritiva e inferencial, probabilidade e métodos quantitativos para análise e modelagem de dados. 


• Programação aplicada a dados utilizando linguagens como Python, SQL e R, incluindo desenvolvimento de scripts, automações e soluções analíticas.


• Manipulação, tratamento, integração e transformação de dados (Data Wrangling), incluindo dados estruturados, semiestruturados e não estruturados.


• Modelagem de dados conceitual, lógica e física para ambientes analíticos e transacionais.


• Desenvolvimento, manutenção e otimização de processos ETL/ELT e pipelines de dados.


• Conhecimento de bancos de dados relacionais e não relacionais, incluindo modelagem, consultas, administração básica e otimização de desempenho.


• Conhecimento em arquitetura de dados, Data Warehouse, Data Lake e Lakehouse.


• Integração de dados entre sistemas corporativos, APIs, arquivos, plataformas de mercado e diferentes fontes de informação.


• Conhecimento de plataformas e ecossistemas de Big Data, processamento distribuído e streaming de dados, incluindo tecnologias como Spark, Hadoop e Kafka.


• Utilização de serviços de nuvem para armazenamento, processamento e disponibilização de dados (Azure, AWS ou GCP).


• Aplicação de técnicas de machine learning, analytics e inteligência artificial para resolução de problemas de negócio.


• Desenvolvimento e acompanhamento de modelos analíticos e preditivos, incluindo monitoramento de desempenho e qualidade dos resultados. 


• Conhecimento de governança, qualidade, catalogação, linhagem, segurança e gestão de dados.


• Comunicação, visualização de dados e data storytelling por meio de dashboards, relatórios e apresentações executivas.


• Conhecimento de práticas de versionamento, testes, automação e DataOps/DevOps aplicadas ao ciclo de vida de soluções de dados.


• Planejamento e gestão de projetos de dados e analytic.

Desejável:

• Nível de inglês avançado.


• Outros Métodos de machine learning: reinforcement learning (tais como: Q-learning, TD-learning e algoritmos genéticos) e deep learning (tais como: redes neurais, CNN, RNN e GAN).


• Conhecimento de algoritmos de otimização e utilização de softwares como Gurobi.


• Experiment Design: teste A/B, controle de variáveis, escolha de bons grupos de teste e controle, tamanho da amostra, nivel de confiança, estatística bayesiana, bootstrapping, simulação e experimento SMART (Specific, Measurable, Actionable, Realistic, Timely).


• Outras ferramentas: Debugging, testing, controle de versão (Git) e model deploy.


• Conhecimento de funcionamento e manutenção de banco de dados NoSQL. (Tais como: Cassandra, MongoDB, CouchDB, Documento de grafos, entre outros).


• Configuração e manutenção do ecosistema Hadoop (tais como: HDFS, Spark, MapReduce, Pig, Hive, Impala, Flume, Sqoop, Zookeeper, Oozie, Hue, Kafka, Scala e Python.


• Conhecimento de funcionamento e manutenção de banco de dados relacionais. MS SQL Server, Oracle, MySQL e PostgreSQL.

Etapas do Processo seletivo

Análise curricular
Entrevista com RH e Gestão
Entrevista técnica se necessário